Cara memasang CUDA pada Windows tanpa ralat: panduan untuk pembangun dan pencipta

Memasang CUDA pada Windows Ia tidak perlu menjadi sakit kepala jika anda tahu di mana untuk bermula dan perkara yang perlu diperiksa pada setiap langkah. Dalam artikel ini saya akan membimbing anda dengan cara yang praktikal, dengan semua nuansa keserasian, pemasangan, pengesahan dan penyelesaian masalah biasa untuk memastikan kit alat berfungsi dengan sempurna pada komputer anda pada kali pertama.

Selain meliputi pemasangan Toolkit klasik pada Windows, anda juga akan melihat cara menggunakan CUDA dengan WSL, memasangnya dengan Conda atau pip, menyusun contoh dengan Visual Studio dan memahami model pemacu NVIDIA yang berbeza pada Windows. Maklumat adalah bersatu dan terkini. Berdasarkan panduan rasmi dan senario kehidupan sebenar yang mungkin berlaku kepada anda, seperti komputer riba dengan GPU hibrid AMD iGPU + NVIDIA dGPU.

Apakah CUDA dan apakah yang ditawarkan dalam Windows?

CUDA Ia adalah platform dan model pengaturcaraan selari NVIDIA yang membolehkan mempercepatkan aplikasi dengan GPUDaripada AI dan sains data kepada simulasi dan pemprosesan imej. Pada peringkat praktikal, memasang Kit Alat CUDA pada Windows memberikan anda pengkompil nvcc, masa jalan, perpustakaan seperti cuBLAS, cuFFT, cuRAND dan cuSOLVER, alat penyahpepijat dan pemprofilan serta contoh sedia untuk disusun.

Reka bentuk CUDA memudahkan untuk mencampurkan CPU dan GPU dalam aplikasi yang sama: bahagian bersiri dalam pemproses dan bahagian selari pada GPU, yang menyediakan ratusan atau ribuan utas berjalan selari. Terima kasih kepada memori pada cip yang dikongsi dan perpustakaan yang dioptimumkan, lonjakan prestasi Ia biasanya ketara di bawah beban intensif.

Keserasian sistem dan pengkompil dalam Windows

Sebelum menggunakan pemasang, anda dinasihatkan untuk menyemak keserasian. Windows yang serasi Versi terbaharu kit alat termasuk: Windows 11 24H2, 23H2 dan 22H2-SV2; Windows 10 22H2; dan Windows Server 2022 dan 2025.

Dalam penyusun, sokongan tipikal termasuk MSVC 193x dengan Visual Studio 2022 17.x dan MSVC 192x dengan Visual Studio 2019 16.x, dengan dialek C++11, C++14, C++17 dan C++20 (bergantung pada versi). Visual Studio 2015 telah ditamatkan dalam CUDA 11.1; VS 2017 telah ditamatkan pada 12.5 dan dialih keluar pada 13.0. Semak matriks tepat versi anda untuk mengelakkan ketakutan.

Penting untuk projek warisan: Bermula dengan CUDA 12.0, kompilasi 32-bit dialih keluar dan pelaksanaan binari x86 32-bit pada sistem x64 adalah terhad kepada pemandu, quart dan matematik pada GPU GeForce sehingga seni bina Ada; Hopper tidak lagi menyokong 32 bit.

Pilih dan pasang Toolkit pada Windows

Muat turun pemasang dari laman web rasmi NVIDIA CUDA. Anda boleh memilih Pemasang Rangkaian (muat turun minimum yang menggunakan internet untuk selebihnya) atau Full Installer (semua dalam satu pakej, berguna untuk mesin tanpa rangkaian atau penempatan perusahaan). Selepas memuat turun, sahkan integriti dengan checksum (cth., MD5) untuk menolak rasuah.

Jalankan pemasang grafik dan ikuti langkah pada skrin. Baca Nota Keluaran untuk versi anda kerana ia memperincikan perubahan, keserasian yang tepat dan amaran kritikal. Bermula dengan CUDA 13, pemasang Toolkit tidak lagi termasuk pemacu. Pemacu NVIDIA dipasang secara berasingan. daripada halaman pemacu yang sepadan.

Pemasangan senyap dan pemilihan komponen

Jika anda perlu menggunakan secara senyap, pemasang menerima mod kurang antara muka dengan pilihan -s dan membenarkan pilih subpakej tertentu dengan nama dan bukannya memasang segala-galanya. Anda juga boleh menghalang mula semula automatik dengan -n. Butiran ini berguna untuk menyesuaikan persekitaran binaan dan mengurangkan jejak anda.

Antara subpakej biasa anda akan menemui item seperti nvcc, cudart, cuBLAS, cuFFT, cuRAND, cuSOLVER, cuSPARSENsight Compute, Nsight Systems, integrasi Visual Studio, NVRTC, NVTX, NVJitLink, demangler dan utiliti seperti cuobjdump atau nvdisasm. Jika anda akan menyusun dan membuat profil, pilih alatan NsightJika anda hanya menjalankannya, masa jalan mungkin sudah mencukupi.

Ekstrak pemasang dan semak kandungannya

Untuk pengauditan atau pembungkusan korporat, pemasang lengkap boleh diekstrak menggunakan alat sokongan LZMA seperti 7-Zip atau WinZip. Anda akan menemui pokok dan modul CUDAToolkit Fail integrasi Visual Studio diletakkan dalam folder berasingan. Fail .dll dan .nvi dalam folder tersebut bukan sebahagian daripada kandungan yang boleh dipasang itu sendiri.

Pasang CUDA pada Windows dengan Conda

Jika anda lebih suka mengurus persekitaran dengan Conda, NVIDIA menerbitkan pakej di anaconda.org/nvidia. Pemasangan asas Kit Alat Ia dilakukan dengan satu arahan, `conda install`, dan anda juga boleh membetulkan versi sebelumnya dengan menambahkan teg `release`, sebagai contoh, untuk mengunci versi 11.3.1. uninstall Ia sama langsung.

Pasang CUDA melalui pip (roda)

NVIDIA menawarkan roda Python tertumpu pada masa jalan CUDA untuk Windows. Mereka terutamanya bertujuan untuk menggunakan CUDA dengan Python dan mereka tidak menyertakan alat pembangunan penuh. Mula-mula, pasang nvidia-pyindex supaya pip mengetahui indeks NVIDIA NGC, dan pastikan anda mempunyai pip dan setuptools yang dikemas kini untuk mengelakkan ralat. Kemudian pasang metapackages yang anda perlukan, seperti nvidia-cuda-runtime-cu12 atau nvidia-cublas-cu12.

Metapackages ini menyasarkan pakej khusus seperti nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 dan lain-lain. Ingat bahawa persekitaran diuruskan oleh pip.Jika anda ingin menggunakan CUDA di luar virtualenv, anda perlu melaraskan laluan sistem dan pembolehubah untuk dipautkan dengan betul.

Sahkan pemasangan pada Windows

Buka gesaan arahan dan jalankan nvcc -V untuk mengesahkan versi yang dipasang. Klonkan Sampel CUDA Muat turun contoh daripada GitHub dan susunkannya dengan Visual Studio. Jalankan deviceQuery dan bandwidthTest: jika terdapat komunikasi yang berjaya dengan GPU, anda akan melihat peranti dikesan dan melepasi ujian Tiada ralat. Jika deviceQuery tidak menjumpai peranti, semak pemacu dan bahawa GPU kelihatan dalam sistem.

WSL dengan pecutan CUDA

Windows 11 dan versi terkini Windows 10 menyokong menjalankan rangka kerja dan alatan ML dipercepatkan CUDA dalam WSL, termasuk PyTorch, TensorFlow dan Docker Menggunakan NVIDIA Container Toolkit, mula-mula pasang pemacu yang didayakan CUDA dalam WSL, kemudian dayakan WSL dan pasang pengedaran glibc seperti Ubuntu atau Debian.

Pastikan anda mempunyai kernel WSL yang dikemas kini (minimum 5.10.43.3). Semak dengan Gunakan `wsl cat /proc/version` daripada PowerShell. Kemudian ikuti panduan pengguna CUDA dalam WSL untuk memasang perpustakaan dan bekas dan mula menjalankan aliran kerja Linux anda pada Windows tanpa meninggalkan persekitaran anda.

Nyahpasang CUDA pada Windows

Selepas memasang CUDA pada Windows, adakah anda mahu kembali ke versi sebelumnya? Semua subpakej boleh dikembalikan. Nyahpasang daripada Panel Kawalan Menggunakan Program dan Ciri. Jika anda menguruskan kit alat dengan Conda atau pip, gunakan mekanisme nyahpasang setiap pengurus untuk mengelak daripada meninggalkan sebarang baki pakej.

Nota keserasian versi

CUDA 11.8 merupakan keluaran yang sangat popular kerana kestabilan dan sokongan ekosistemnya. Keperluan biasa Untuk 11.8: GPU dengan Keupayaan Pengiraan 3.0 atau lebih tinggi, 64-bit, minimum 8 GB RAM dan sekurang-kurangnya 4 GB memori GPU. Di Linux, ia terintegrasi dengan baik dengan pengedaran seperti Ubuntu 18.04/20.04, RHEL/CentOS 7/8, dsb.

CUDA 12.x memperkenalkan penambahbaikan masa jalan dan perpustakaan serta menolak kebergantungan pemandu terkiniCUDA 13 memisahkan pemacu secara kekal daripada pemasang Toolkit: ingat untuk memasang pemacu sendiri. Penjelasan pentingCUDA ialah teknologi NVIDIA dan memerlukan GPU NVIDIA; jika anda melihat di mana-mana bahawa ia juga serasi dengan GPU AMD, itu tidak betul untuk timbunan CUDA.

Memasang CUDA pada Windows: Menyelesaikan Masalah Biasa

• Pemasang gagal atau tidak menyelesaikan kerja.Semak log pemasang dan sahkan kebenaran antivirus, ruang cakera dan pentadbir anda. Cuba semula dengan Pemasang Penuh jika rangkaian tidak stabil, atau dalam mod senyap jika terdapat konflik UI.
• deviceQuery tidak mengesan GPUSemak sama ada pemacu betul, GPU aktif dan apl menggunakan dGPU. Kemas kini pemacu dan pasang semula Kit Alat jika perlu.
• Konflik dengan kedai bukuJika anda mempunyai berbilang kit alat dipasang, sahkan CUDA_PATH dan PATH. Dalam Python, pastikan versi PyTorch atau TensorFlow dan konfigurasinya serasi dengan versi CUDA/cuDNN anda.
• Visual Studio tidak menyusun .cuTambahkan Penyesuaian Binaan CUDA pada projek anda dan tandai fail .cu sebagai CUDA C/C++. Sahkan bahawa MSVC serasi dengan toolkit anda.

Alat, sampel dan dokumentasi

Selain nvcc dan perpustakaan, Kit Alat untuk memasang CUDA pada Windows termasuk profil dan penganalisis seperti Nsight Systems dan Nsight Compute, dan dokumentasi HTML/PDF untuk bahasa CUDA C++ dan amalan yang lebih baikContoh rasmi adalah pada GitHub dan merupakan asas yang sangat baik untuk mengesahkan pemacu, prestasi memori dan berbilang pemproses.

Bila hendak menggunakan Conda atau pip berbanding pemasang klasik

Conda dan pip sesuai apabila tumpuan anda tertumpu pada menjalankan rangka kerja ML yang sudah membungkus kebergantungan yang konsisten dengan versi CUDA tertentu. KelebihanPengasingan persekitaran dan kurang geseran. Kelemahan: Untuk pembangunan C++ asli atau integrasi penuh dengan VS, pemasang Toolkit klasik menawarkan semua alat dan pengalaman yang paling lengkap.

Soalan Lazim Pantas

• Bagaimanakah saya tahu jika GPU saya serasi dengan CUDA? Buka Pengurus Peranti, pergi ke Penyesuai paparan, dan semak model; bandingkan dengan senarai rasmi GPU CUDA NVIDIA. Anda juga boleh menjalankan nvidia-smi dan mengesahkannya GPU anda muncul.
• Bolehkah saya berlatih tanpa CUDA? Ya, ia akan berfungsi pada CPU, tetapi ia akan menjadi lebih perlahan. Untuk menggunakan GPU dengan PyTorch atau TensorFlow pada Windows, pastikan anda memasang binaan yang serasi dengan versi CUDA anda atau gunakan WSL dengan bekas NVIDIA.
• Versi lama tertentuSesetengah alatan memerlukan gabungan seperti CUDA 10.1 dengan cuDNN 7.6.4. Dalam kes itu, pasang versi tepat tersebut dan letakkan DLL daripada cuDNN dalam folder tong kit alat yang sepadan, mengelakkan daripada mempunyai berbilang cuDNN pada masa yang sama.

Jika anda ingin memasang CUDA pada Windows dan mempercepatkan kerja anda dengan panduan lengkap, langkah dan pengesyoran di atas akan membantu anda menyelesaikan segalanya. Ia sesuai seperti sarung tangan. dari binaan pertama.